labml

راقب تدريب نموذج التعلم العميق واستخدام الأجهزة من الهاتف المحمول.

سمات

• مراقبة التجارب الجارية من الهاتف المحمول أو الكمبيوتر المحمول
• مراقبة استخدام الأجهزة على أي جهاز كمبيوتر مع أمر واحد
• تتكامل مع سطرين فقط من الكود (انظر الأمثلة أدناه)
• يتتبع التجارب بما في ذلك المعلومات مثل الالتزام والتكوينات والمعلمات المفرطة
• API لتصورات مخصصة
• سجلات جميلة للتقدم التدريبي
• المصدر المفتوح!

استضافة خادم التجارب

المتطلبات الأساسية

لتثبيت MongoDB ، راجع الوثائق الرسمية هنا.

تثبيت

قم بتثبيت الحزمة باستخدام PIP:

pip install labml-app

بدء الخادم

 # Start the server on the default port (5005)
labml app-server

# To start the server on a different port, use the following command
labml app-server --port PORT

اختياري: لإعداد وتكوين NGINX في الخادم الخاص بك ، يرجى الرجوع إلى هذا.

يمكنك الوصول إلى واجهة المستخدم إما عن طريق زيارة http://localhost:{port} أو ، إذا تم تكوينها على جهاز منفصل ، عن طريق التنقل إلى http://{server-ip}:{port} .

مراقبة التجارب

تثبيت

1. تثبيت الحزمة باستخدام PIP.

pip install labml

2. قم بإنشاء ملف يسمى .labml.yaml في المستوى العلوي من مجلد المشروع الخاص بك ، وأضف السطر التالي إلى الملف:

 app_url : http://localhost:{port}/api/v1/default

# If you are setting up the project on a different machine, include the following line instead,
app_url : http://{server-ip}:{port}/api/v1/default 

مثال Pytorch

 from labml import tracker , experiment

with experiment . record ( name = 'sample' , exp_conf = conf ):
    for i in range ( 50 ):
        loss , accuracy = train ()
        tracker . save ( i , { 'loss' : loss , 'accuracy' : accuracy })

مثال التدريب الموزع

 from labml import tracker , experiment

uuid = experiment . generate_uuid () # make sure to sync this in every machine
experiment . create ( uuid = uuid ,
                  name = 'distributed training sample' ,
                  distributed_rank = 0 ,
                  distributed_world_size = 8 ,
                  )
with experiment . start ():
    for i in range ( 50 ):
        loss , accuracy = train ()
        tracker . save ( i , { 'loss' : loss , 'accuracy' : accuracy })

الوثائق

• Python API المرجع
• عينات

أدلة

• API لإنشاء تجارب
• مقاييس التدريب تتبع
• حلقة التدريب التي تمت مراقبتها وغيرها من التكرار
• API لتصورات مخصصة
• تكوينات إدارة API
• مسجل للتسجيل الأنيق

؟ لقطات الشاشة

إخراج حلقة التدريب المنسقة

تصورات مخصصة تستند إلى سجلات التكرار

مراقبة استخدام الأجهزة

 # Install packages and dependencies
pip install labml psutil py3nvml

# Start monitoring
labml monitor

نقلا عن

إذا كنت تستخدم LABML للبحث الأكاديمي ، فيرجى الاستشهاد بالمكتبة باستخدام إدخال Bibtex التالي.

 @misc{labml,
 author = {Varuna Jayasiri, Nipun Wijerathne, Adithya Narasinghe, Lakshith Nishshanke},
 title = {labml.ai: A library to organize machine learning experiments},
 year = {2020},
 url = {https://labml.ai/},
}